基于自適應VMD-WVD的風電葉片主梁層合板損傷演化識別

張亞楠，周 勃，俞方艾，沈 臣

(1.沈陽工業大學 機械工程學院，沈陽 110870；2.沈陽工業大學 建筑與土木工程學院，沈陽 110870)

目前大多數葉片的傳統結構設計形式為迎風面和背風面。在殼體中主梁作為二者殼體的承載結構，其重量占葉片的重量的21%以上，且主梁貢獻了整體揮舞剛度的約90%[1]。風力機葉片主梁結構通常采用單向E玻璃纖維/環氧復合材料，其優異的材料性能已被工業生產中廣泛應用[2-3]。玻璃纖維復合材料在制造和工作過程中難免會產生纖維斷裂、缺膠和分層等結構缺陷，這些缺陷將加劇材料內部結構損傷的產生、擴展與積累，最終導致其失穩破壞[4]。因此，損傷演化的識別與分析對研究復合材料失效行為十分重要。目前聲發射(AE)技術廣泛應用于工程結構健康監測。其傳感器檢測結構中彈性應力波的來源，通常與材料中的微觀結構變化有關[5-6]。因此，它可以檢測損傷位置和實時跟蹤損傷演化過程。

由于復合材料損傷演化過程中AE信號為典型非平穩信號，單純使用時頻域信息均不能很好地表征損傷演化過程中的時變特征。因此，可以同時表征信號時域和頻域特征的時頻分析(time-frequency analysis,TFR)方法更具優勢。常用的時頻分析方法主要有短時傅里葉變換(short-time fourier tranform,STFT)[7]、Gabor變換[8]、連續小波變換[9]和Wigner-Ville分布[10]等。STFT和Gabor變換方法采用固定窗函數，無法同時定位聲發射信號時域和頻域的分辨率[11-12]；連續小波變換(continuous wavelet transform,CWT)具有良好的時頻局部化特性，但其分析結果與小波基函數和分解層數的選取有很大關系，且一旦選定小波基函數便不可更改，因此其局部自適應性較差。Wigner-Ville方法雖然對邊緣特性、瞬時頻率和局域化等都有很好的描述，但其交叉項的存在使多分量聲發射信號的頻率成分很難表述清楚[13]。為了避免交叉項對分析結果的影響，出現了如偽Wigner-Ville分布、平滑偽Wigner-Ville分布和Choi-Willams分布等方法通過設計核函數來抑制交叉項，但同時也弱化了局部時頻聚集性等多種性質。EMD-WVD[14]時頻分析法對分解后各分量信號分別進行WVD分析，并將結果疊加，但是EMD算法本身存在模態混疊、端點效應以及會出現偽頻率分量等問題[15]。

變分模態分解(continuous wavelet transform,VMD)是一種新提出的完全非遞歸、變分模態分解估計方法。該方法是通過在變分問題框架中迭代搜索變分模型最優解來實現信號的分解，具有很好的噪聲魯棒性，并且解決了EMD算法存在的缺點[16]。變分模態分解中影響分解精度的參數主要為懲罰因子a和模態數量N，但傳統的VMD算法需要人為的篩選和確定，不僅影響計算效率，而且易引起較大的誤差[17]。

綜上所述，本文通過分析損傷演化過程的AE信號特征，從而明確損傷演化過程中AE信號能量、強度和持續時間與損傷程度的關系。針對損傷演化過程AE信號時頻分析交叉項問題，提出了一種基于自適應VMD和Wigner-Ville分布(AVMD-WVD)時頻分析方法，解決了Wigner-Ville方法中存在交叉項的問題。實驗結果表明本文方法能夠有效識別各類損傷模式并抑制其Wigner-Ville分布的交叉項。

1 損傷演化的AE信號特征分析

損傷演化中材料結構內部應變能和外部載荷使材料微觀結構發生不可逆改變，應變能驅動宏觀實際損傷形成[18]。根據能量守恒定律，外界對材料所做的總機械功dW、彈性能dσ、耗散能dτ、和非彈性變形能dξ滿足以下平衡。

dW=dσ+dτ+dξ

(1)

彈性應變能即材料內部產生可逆彈性變形所儲存的能量，而塑性應變能則為材料內部產生不可逆塑性變形而消耗的能量。因此，損傷演化過程中系統釋放能量表達式為

dG=dW-dσ

(2)

根據能量平衡理論所述，損傷演化實則是一個損傷積累的動態過程。復合材料損傷狀態的評估中可以引入楊氏模量，通過損傷演化過程中楊氏模量的變化趨勢表征材料在外載作用下的劣化程度[19]

(3)

式中：E0為無損傷材料彈性模量；ED為含損傷材料彈性模量。根據能量平衡方程，損傷演化過程中單位體積上損傷積累所釋放的能量應等于彈性應變能：

(4)

則單位體積的彈性應變能為

(5)

由式(5)可知，當材料受到外載作用后，其單位體積的彈性能變化為

(6)

式中：ε為單位體積上的應變系數；φ為連續性因子；m為材料常數。

由于能量釋放過程中的散射、衰減和吸收，只有部分能量以彈性波形式傳播從而形成AE信號[20]。若損傷演化過程中聲能與所釋放能量的比值為能量耗散系數η，則由式(4)和式(6)可得到損傷演化過程AE信號的能量強度為

(7)

由式(7)可知，除應力應變外AE信號能量強度還與損傷因子D和持續時間有關。當損傷積累到一定程度時就會以能量耗散的形式進行釋放，由于能量釋放是一個瞬態和迅速衰減的過程，從而產生高強度脈沖應力波。與金屬材料不同，復合材料結構具有異質性特點，損傷演化過程中會產生多種損傷模式。假設在t時刻沿某一方向傳播的損傷模式AE信號x(t)，該信號的能量強度可表示為

(8)

從式(6)和(7)可知，在損傷演化的初期階段，材料彈性模量變化率較小，此時聲發射信號特征以低強度AE信號為主。隨著損傷演化加劇，AE信號強度隨著能量耗散系數η的增大而增大產生高強度AE信號。此時AE信號能量強度可以看作各類損傷模式信號能量的累積。

(9)

式(9)中i=1,2,…,n，IGi對應不同損傷模式AE信號的能量強度。通過AE信號理論分析可知，AE信號能量強度和持續時間與損傷程度密切相關。而復合材料損傷演化過程中AE信號來源主要為各類損傷模式，隨著損傷演化加劇，損傷模式也會由單一演變為復雜[21]。因此，對損傷模式的持續時間和強度分析可以明確其損傷狀態。

2 VMD-WVD自適應時頻分析改進方法

Wigner-Ville分布直接定義為信號的時頻聯合分布函數，它對信號沒有局部穩定性限制，且時域分辨率和頻率分辨率無關，可以分別進行選取。Wigner-Ville實質上是信號瞬時相關函數的Fourier變換，假設有連續時間信號x(t)，其Wigner-Ville分布(Wigner-Ville distriburion,WVD)為

(10)

VMD算法是在變分框架內通過約束變分模型的框架內迭代求解變分模型，根據被分解信號的頻域特征完成信號頻帶的自適應分解，得到若干個窄帶IMFs分量。對于原始信號f,其對應的約束變分模型為

(11)

式中：{u}={u1,…,uk}為分解得到的K個模態分量；{ω}={ω1,…,ωk}為各模態分量的中心頻率。為求解上述約束變分問題的最優解，引入增廣Lagrange函數，其表達式為

(12)

式中：α為二次懲罰因子；σ是Lagrange算子。利用交替方向乘子法(alternate direction method of multipliers,ADMM)求取上述增廣Lagrange函數的鞍點，即式(11)約束變分模型的最優解，得到的模態分量uk、及中心頻率ωk表達式分別為

(13)

(14)

人工指定懲罰因子α進行循環迭代求解時會出現誤差較大和計算效率低的問題。采用AVMD-WVD的方法對多分量信號進行時頻分析可有效解決上述問題。AVMD-WVD方法具體步驟為：

步驟1對采集信號x(t)進行STFT變換，確定模態數目及定位中心頻譜。

分組時要注意把學習成績優秀的學生與后進生進行合理搭配，安排座位時適當考慮異質組合，力求小組間學習實力均衡。以導生數進行分組，如有4名導生，就分4組，有6名導生，就分6組，導生既是組長又是“小教師”。要防止“好好”搭配，也要防止“壞壞”搭配。因為“好好”搭配，發揮不了導生的作用；而“壞壞”搭配，會使組內缺乏競爭，容易導致學生失去學習信心。

步驟2初始化懲罰因子α，并對信號x(t)進行VMD分解，產生n個固有模態分量ui(t),i=1,2,…,n。

步驟3對得到的每個固有模態分量ui(t)與STFT中心頻譜對比，不斷迭代更新懲罰因子α。

步驟4通過模態分量頻譜相關性評估，確定最優懲罰因子αn。

步驟5通過最優懲罰因子αn計算出各個模態分量ui(t)的Wigner-Ville分布，并將分析結果線性疊加，最終得到采集信號x(t)的Wigner-Ville分布，其表達式為

(15)

3 實驗方法

3.1 試件制備

本文研究的缺陷類型為局部化特征，由于主梁厚度為30～50層之間，剝面的平均厚度占弦長的0.2～0.4。因此，厚度比葉片的平面尺寸小很多，可忽略表面彎曲形變的改變。而且，由于主梁面的法向撓度沿其厚度方向不變，因此可忽略垂直于主梁平面方向的應力。考慮這些特殊的構件形式，使得風力機葉片主梁的研究可以用層合板試件來代替。

試件的制備與葉片制造過程類似，且人工預制的分層缺陷與葉片質量控制過程中發現的典型分層缺陷相似，以確保試件具有與真實葉片相同的力學性能。整個制備過程采用真空輔助樹脂灌注法制備，纖維鋪層方式為[0°/0°]，單層厚度約0.5 mm，共30層。環氧樹脂與固化劑的質量比為100∶34。為了模擬分層缺陷，在試件中放置厚度為0.5 mm的聚四氟乙烯薄膜，以阻礙纖維布之間粘合。在夾層板完全注入后，試件按固化工藝在室溫下固化48 h之后，再放入真空干燥箱內(100℃)固化8 h并自然冷卻到室溫。冷卻到室溫后，用切割機將復合材料層合板切割為300 mm×25 mm×15 mm的拉伸測試試件如圖1所示。兩端粘貼尺寸為25 mm×15 mm×1.0 mm的加強鋁片，防止夾具對試樣造成損壞。

圖1 試件尺寸示意圖(mm)Fig.1 Specimen size(mm)

3.2 信號采集

依據GBT 4944—2005《玻璃纖維增強塑料層合板層間拉伸強度試驗方法》，對復合材料進行了拉伸試驗，本拉伸試驗在WAW-300B伺服萬能試驗機上進行。最大試驗力為300 kN，試驗力示值相對誤差≤示值的±1%，試驗力測量范圍為最大試驗力的2%～100%，等速位移控制范圍為0.01 mm/s。

試樣夾具上制有特殊花紋，以加大夾具與試樣之間的摩擦力，防止相對滑動。為了在試件表面和傳感器之間提供良好的聲學耦合，使用硅脂作為耦合劑并進行鉛筆斷裂試驗。為了有效消除電噪聲和機械噪聲，通過重復測試將合適的閾值固定為40 dB。采樣頻率為1 MHz。同時，峰值定義時間為30 μs，命中定義時間為150 μs，命中鎖定時間為300 μs[22]。實驗系統如圖2所示。

圖2 試驗系統示意圖Fig.2 Test systems schematic

4 實驗結果分析

4.1 時頻分析算法實驗驗證

圖3 AVMD聲發射信號頻譜相關性分析圖Fig.3 Correlation analysis of AVMD acoustic emission signal spectrum

對選取懲罰因子α=2 000后需對結果進行驗證，采用AVMD-WVD，EMD-WVD和WVD 3種時頻分析算法對拉伸測試實驗采集的聲發射信號進行分析，并對其頻率局部化性能、可識別性進行比較。選取應力水平較高，持續時間較長的連續脈沖應力波形作為分析對象，圖4為在0.95σmax下的聲發射信號AVMD-WVD時頻譜圖。在較高頻率3.6×105Hz和2.8×105Hz的連續高頻分量，主頻帶定位準確，給出了在此應力水平上的損傷模式信息，其物理意義明確。

圖4 0.95σmax AE信號的AVMD-WVD時頻譜圖Fig.4 AVMD-WVD spectrum of AE signal at 0.95σmax

圖5給出了相同應力水平(0.95σmax)下的聲發射信號的WVD時頻譜圖。較AVMD-WVD相比其頻率分辨率明顯提高，較窄的主頻帶寬可以精確定位主頻數值。但其產生較多的交叉項，無法解釋其頻率分布規律。圖6給出了EMD-WVD時頻譜，很明顯其交叉項被顯著抑制，但仍存在部分交叉項，并且主頻帶存在一定失真現象(0～1 ms主頻丟失，6～7 ms出現虛假頻率)。

圖5 0.95σmax AE信號的WVD時頻譜圖Fig.5 WVD spectrum of AE signal at 0.95σmax

圖6 0.95σmax AE信號的EMD-WVD時頻譜圖Fig.6 EMD-WVD spectrum of AE signal at 0.95σmax

AVMD-WVD綜合優化時頻分析方法，可以在準確定位中心頻率位置的同時，避免誤判，提高分析的可信性。通過對比分析可知AVMD-WVD時頻譜圖準確反映了各個脈沖頻率隨時間的變化關系，說明算法具有很好的時頻局部化性能。

4.2 AVMD-WVD時頻分析性能

根據WVD時頻分布結果可以確定交叉項所在頻段范圍，通過對比其他算法的二維時頻分布差異性是否包含該頻帶，可以確定交叉項頻帶是否被抑制。因此選用二維時頻分布相關系數ρ作為交叉項抑制程度指標，同時以時頻分辨率res作為時頻聚集性的評價指標[23]

(16)

(17)

式中：Ed(l,k)代表真實信號標準時頻分布；Ee(l,k)估計信號時頻分布；l，k為時頻分布中時間和頻率的索引。ρ值越接近于1，res越接近0則表示真實信號分量與估計信號分量在二維平面上的時頻分布索引相似度越高，交叉性抑制效果越好，提取的瞬時頻率精度越高。

將圖4～圖6中各類算法得到的時頻分布結果轉化為二維時頻分布索引矩陣，并對比真實時頻分布用公式(16)和(17)分別計算出二維相關系數ρ和時頻分辨率res，考慮小波變換和S變換不存在交叉項干擾問題，二維相關系數ρ更多的表現為瞬時頻率的提取精度。不同時頻分析方法結果對比如表1所示。

表1 不同算法的時頻性能對比Tab.1 Comparison of time-frequency performance of different algorithms

以圖5中WVD的二維時頻相關系數作為對比參照，EMD-WVD和AVMD-WVD的交叉項分別同比減少77.4%和91.2%。S變換的瞬時頻率提取性能略好于VMD方法，能夠分開在時頻平面上距離較近的分量且不存在交叉項的干擾，但時頻分辨率res有所降低。而基于小波變換的提取效果稍差，這與母小波的選擇有關。

圖7 各損傷模式的VMD-WVD識別結果Fig.7 VMD-WVD results of damage mode

小波變換中母小波的選擇導致變換存在局限性，這對于損傷演化中AE信號頻率特征時變特點很難滿足實際需求。S變換不滿足能量歸一化條件，隨著頻率的增加，時頻分布能量產生愈加明顯的加權效應，故在實際應用中不能很好的描述時頻分布特征。

4.3 損傷演化過程分析

拉伸測試的應力-應變曲線如圖8所示。點A，B，C，D為曲線上斜率發生變化的點(拐點)，將曲線分為以下階段：①OA段：為初始彈性階段，此階段試件受力逐漸增加，曲線上升緩慢，試件內部的初始缺陷在外載荷的作用下變得活躍，缺陷內部損傷逐漸積累。②AB段：為穩態擴展的彈塑性階段，該階段蘊含著大量的損傷演化信息，缺陷在該階段完成轉捩過程演化為裂紋，宏觀損傷出現并持續增長，此階段的應力與應變成正比。③BC段：為失穩擴展階段，由于該階段臨近斷裂極限，因此呈非線性變化趨勢。④CD段為應變軟化階段，試樣達到峰值載荷后，載荷隨變形的增長而減小(主要體現在位移變化和斷裂延長率)，該階段仍然存在拐點，從曲線變化趨勢可以看出其具有明顯的殘余載荷階段。為更好的分析損傷演化過程，明確拐點前后損傷演化趨勢，可將應力應變拐點附近進一步化分。

圖8 拉伸測試應力-應變曲線Fig.8 Tensile test stress-strain curve

基于損傷演化過程中AE信號特征理論分析和損傷模式識別，可以確定低能量(幅值)和高能量(幅值)聲發射信號對應的主頻特征。不同損傷模式對應的聲發射信號特征如表2所示。從表2可以看出，基體開裂和纖維剝離對應低頻高幅值(能量)信號，幅值和能量歸一化后值≥0.25；界面分層和纖維斷裂則對應中頻低幅值(能量)和高頻低幅值(能量)模式的聲發射信號，幅值和能量歸一化后值范圍為0～0.25。高幅值波形信號通常集中出現在低頻率區域，預示著高能量的釋放，這和上述基體開裂對應低頻高幅值(能量)分析結果一致[24]。

表2 不同損傷模式對應的聲發射特征Tab.2 AE characteristics corresponding to different damage modes

聲發射來源于晶格大面積破壞或錯位導致的阻塞，載荷的增加疏通了大面積的阻塞，從而釋放出高能量的AE信號源。因此，聲發射技術同樣可以捕捉和反映宏觀尺度結構的破壞過程。圖9給出了整個斷裂過程中損傷演化關鍵點的AVMD-WVD時頻圖。圖9(a)對應于應力水平(0.12σmax)的時頻圖，σmax為極限載荷C處的應力水平。可以看到有一個在中心頻率4.0×105Hz分布的高頻脈沖型應力波，此時損傷模式以纖維斷裂為主，但考慮其持續時間較短為1 ms左右，幅值為0.07 mV，表明初始階段是單個微尺度(纖維)隨機破裂事件。

圖9(b)為彈性階段起點A(0.43σmax)的時頻圖。有2個低頻段的短脈型應力波分布在中心頻率0.6×105Hz和3.3×105Hz，該階段損傷模式包含基體開裂和界面分層。但二者持續時間較短，強度較低(幅值為0.035 mV)。由于人工分層缺陷的存在將導致層間性能弱化，在低應力水平下其破壞對象主要是針對內部初始缺陷誘導產生界面分層損傷。對比圖9(a)幅值有所降低，表明當缺陷內部能量積累到一定程度而釋放能量，即出現了0.6×105 Hz的基體開裂損傷模式。

圖9(c)為穩態擴展的彈塑性階段，應力水平為(0.5σmax)，該階段在中心頻率為3.3×105～4.1×105Hz范圍內的損傷模式為界面分層和纖維斷裂，從時頻分布上看出現了多個高頻脈沖持續型應力波信號，原因在于纖維對基體微裂紋擴展有阻隔作用，裂紋沿著界面產生偏轉而發生界面分層，同時出現頻繁的纖維斷裂。這表明在該階段材料內纖維損傷積累加劇，導致纖維斷裂損傷模式變得活躍。

圖9(d)為彈塑性階段應力水平(0.78σmax)的時頻圖，出現了分布在中心頻率為0.6×105Hz的基體開裂損傷模式。該損傷模式在時頻分布上表現為多個連續的脈沖信號，表明此時基體裂紋呈現活躍態勢。因此，可看作是基體裂紋持續擴展的信號。

圖9(e)為穩態擴展階段結束點B(0.89σmax)時頻圖。隨著載荷的增加，時間內部彈性應變能逐漸減少，塑性應變能逐漸增加，在高頻帶3.0×105Hz中出現了長持續時間的高頻分量。此外，在低頻帶出現了0.6×105Hz的基體開裂的損傷模式，并且在2.2×105Hz附近的低強度脈沖型頻率分量也變為長持續時間信號。表明隨著基體裂紋擴展加快，裂紋在縱橫纖維束交叉區域產生，并開始沿著纖維及纖維束縱向發展產生較多的纖維剝離和界面分層。

圖9(f)為失穩擴展的非線性變形階段點B1(0.98σmax)的時頻圖。在低頻帶1.2×105Hz和2.2×105Hz出現了高強度、長持續時間的頻率分量，時頻分布幅值為0.39 mV，約為圖9(e)的8倍。表明該階段復合材料基體結構破壞過程進一步加速，此時界面分層的損傷模式大量出現，大范圍的基體破壞將導致復合材料層間承載強度大幅下降。因此，持續時間較長的高強度低頻分量，可看作是材料結構失效的早期破壞前兆信號。

圖9(g)為峰值應力點C(σmax)的時頻圖。此時的中心頻率多數分布在1.3×105～4.2×105Hz，其損傷模式為界面分層、纖維剝離和纖維斷裂。從時頻分布可以看出，此時信號以連續型脈沖信號存在，表明該階段材料結構中多種損傷模式均表現的異常活躍。纖維作為復合材料結構受力的主要承載體，其大范圍的基體開裂和纖維斷裂將導致材料結構失效。

圖9(h)和圖9(i)分別為峰后點C1(0.95σmax)和D(0.63σmax)的時頻圖。從時頻分布中可以看出主要成分為中心頻率3.0～3.6×105Hz的界面分層和纖維斷裂損傷模式，且其為強度高、持續時間長的應力波型。以及中心頻率為1.4×105Hz的纖維剝離損傷模式。這表明，峰后殘余載荷階段主要為層間結構強度失效后的纖維剝離和纖維斷裂模式，由此可知試件在結構失效后并沒有完全喪失承載能力，這與纖維樹脂復合材料試件本身的力學特性和‘藕斷絲連’的內部結構有關。

圖9 損傷演化過程的AVMD-WVD時頻譜圖Fig.9 AVMD-WVD spectrum of defect evolution

結合圖9和圖10，從損傷發展趨勢來看，損傷初期主要以基體微裂紋和少量的隨機纖維斷裂損傷為主，當基體微裂紋達到飽和狀態時宏觀裂紋出現并持續擴展，聲發射頻段主要集中在50～100 kHz。穩態損傷階段中，應變能更多地通過纖維及基體來釋放，基體/纖維脫膠剝離，基體裂紋擴展誘導局部分層，聲發射能量較損傷初始階段更高，聲發射頻段主要集中在20～330 kHz。失穩損傷階段，材料達到最大形變量，基體、界面、層間、纖維持續破壞，各類損傷的聲發射能量呈現急劇上升現象直至材料斷裂，聲發射頻段主要集中在20～410 kHz。復合材料內部損傷顯著水平可以用損傷模式及其活躍程度來描述，頻繁的能量變化導致損傷模式出現高能量(高幅度)，長持續(脈沖信號數量增加)的特性。

圖10 不同損傷階段中頻段分布規律Fig.10 Distribution of frequency bands in different damage stages

上述結果表明，以一定頻率傳播的聲發射波形的幅度與持續時間和波形能量成正比，這與損傷演化過程中AE信號特征的理論分析結果一致。因此，通過對損傷演化過程中的損傷模式識別與分析，可以描述不同應力水平下的損傷狀態與規律，進而揭示損傷演化的機制。

5 微觀形貌觀察

為驗證損傷演化各個階段中損傷模式的識別結果，在同樣的試驗條件下多次重復上述試驗，選取應力應變特殊變化的拐點時刻，將0.12σmax，0.43σmax和σmax應力下的試件制作成1 cm的樣品并采用電子顯微鏡觀察試件的微觀形貌如圖11所示。

如圖11(a)中所示，在0.12σmax應力下，試件內在外載荷的持續作用下，出現了零星的4.0×105Hz的纖維斷裂特征信號，這與圖9(a)中的分析結果一致。該結果中纖維斷裂特征信號并沒有大量持續出現，因此隨機少量的纖維斷裂特征并不代表結構剛度的弱化，這對于工程實際監測中可起到避免誤報的作用。

如圖11(b)中所示，在0.43σmax應力水平下的復合材料內部出現了大量的基體開裂和界面分層損傷。這與圖9(b)中分析結果一致。該階段中隨著外載荷的不斷增加，在缺陷周圍形成應力集中區域，使得界面結構弱化，作用于纖維結構的平面應力和基體結構的垂直應力同時作用將導致宏觀裂紋的萌生。圖11(c)中應力水平σmax下的復合材料結構出現了基體開裂、纖維剝離和纖維斷裂等損傷模式。結合圖9(g)的時頻分布結果可知該階段下各類損傷模式在時間尺度上呈現持續性特點，這表明基體和纖維已經大量損壞，這與0.12σmax下零星纖維斷裂信號截然不同。

圖11 不同應力水平下復合材料的SEM結果Fig.11 SEM results of composites at different stress levels

6 結 論

(1)本文通過能量平衡理論建立了損傷演化過程中AE信號能量強度和持續時間與損傷演化的關系，從而明確了損傷演化與AE信號特征的關聯機制。并提出一種AVMD-WVD算法，該方法克服了人工選取模態數量和懲罰因子的缺點，提高了計算效率和分解精度，并能夠有效抑制Wigner-Ville分布的交叉項，保證較高的時頻聚集性和時頻分辨率。

(2)應用AVMD-WVD時頻分析算法，對葉片復合材料拉伸測試的聲發射樣本數據進行了分析。該方法可有效識別不同損傷階段的損傷模式和分布規律，有助于對損傷演化的過程進行詳細的動態描述。雖然電鏡掃描(SEM)可以有效識別復合材料損傷演化過程中的損傷模式，但在大型工程結構的應用是十分受限的。因此，本文提出的方法對風力機葉片健康監測具有一定的實用價值與意義。